Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a los Modelos de Lenguaje Pequeños (SLMs)
- Visión general de los modelos de lenguaje
- Evolución desde modelos grandes hasta Modelos de Lenguaje Pequeños
- Arquitectura y diseño de SLMs
- Ventajas y limitaciones de los SLMs
Fundamentos Técnicos
- Comprensión de redes neuronales y parámetros
- Procesos de entrenamiento para SLMs
- Requisitos de datos y optimización de modelos
- Métricas de evaluación para modelos de lenguaje
SLMs en el Procesamiento del Lenguaje Natural
- Generación de texto con SLMs
- Traducción y localización de idiomas
- Análisis de sentimientos y clasificación de texto
- Respuesta a preguntas y chatbots
Aplicaciones del Mundo Real de los SLMs
- Aplicaciones móviles: Procesamiento de lenguaje en el dispositivo
- Sistemas embebidos: SLMs en dispositivos IoT
- IA que preserva la privacidad: Procesamiento local de datos
- Computación en el borde: SLMs en entornos de baja latencia
Estudios de Caso
- Análisis de implementaciones exitosas de SLMs
- Aplicaciones específicas por sector (Salud, Finanzas, etc.)
- Estudio comparativo: SLMs frente a modelos grandes en producción
Proyecciones Futuras
- Tendencias de investigación en SLMs
- Desafíos en la escalabilidad y el despliegue
- Consideraciones éticas e IA responsable
- El camino a seguir: SLMs de próxima generación
Talleres Prácticos
- Construcción de un SLM simple para generación de texto
- Integración de SLMs en aplicaciones móviles
- Afinado de SLMs para tareas específicas
- Análisis de rendimiento e interpretabilidad del modelo
Proyecto Integrador
- Identificación de un espacio problemático para la aplicación de SLMs
- Diseño e implementación de una solución basada en SLMs
- Pruebas e iteración del modelo
- Presentación del proyecto y sus resultados
Resumen y Próximos Pasos
Requerimientos
- Conocimientos básicos de conceptos de aprendizaje automático
- Familiaridad con la programación en Python
- Conocimiento de redes neuronales y aprendizaje profundo
Público Objetivo
- Científicos de datos
- Desarrolladores de software
- Entusiastas de la IA
14 Horas